Un equipo científico ha desarrollado un nuevo transistor sináptico capaz de pensar a un nivel superior. El dispositivo puede procesar y almacenar información simultáneamente, al igual que nuestro cerebro.
La descripción del transistor que busca imitar la inteligencia humana y funciona a temperatura ambiente se publica en la revista Nature, en un artículo donde los investigadores demuestran que el dispositivo va más allá de las simples tareas de aprendizaje automático para categorizar datos, y es capaz de realizar aprendizaje asociativo.
Avances en inteligencia artificial motivan la investigación
Aunque estudios anteriores utilizaron estrategias similares para desarrollar dispositivos informáticos similares al cerebro, esos transistores no pueden funcionar fuera de temperaturas criogénicas. En cambio, el nuevo modelo es estable a temperatura ambiente y además funciona a gran velocidad, consume muy poca energía y conserva la información almacenada incluso cuando se le retira la alimentación, lo que lo hace ideal para aplicaciones del mundo real.
Codirigida por expertos internacionales
La investigación está codirigida por Mark C. Hersam, de la Universidad de Northwestern, y por el español Pablo Jarillo-Herrero, del Instituto Tecnológico de Massachusetts (MIT).
Nuevo paradigma en hardware informático
Los recientes avances en inteligencia artificial (IA) motivaron a los investigadores a desarrollar ordenadores que funcionen de forma más similar al cerebro humano, según un comunicado emitido por Northwestern. Durante varias décadas, apunta Hersam, el paradigma de la electrónica fue construir todo con transistores -semiconductores que rectifican y amplifican impulsos eléctricos- y utilizar la misma arquitectura basada en silicio.
Transistor sináptico imitando al cerebro
«Se ha avanzado mucho simplemente introduciendo más y más transistores en los circuitos integrados. No se puede negar el éxito de esa estrategia, pero tiene el costo de un elevado consumo de energía, especialmente en la actual era de los grandes datos en la que la informática digital está a punto de desbordar la red», puntualizaron. Por eso, es necesario replantear «el hardware informático, especialmente para tareas de IA y aprendizaje automático».
Integración del procesamiento y almacenamiento
Los sistemas informáticos digitales convencionales tienen unidades separadas para procesamiento y almacenamiento, lo que hace que las tareas intensivas en datos consuman grandes cantidades de energía. En cambio, en el cerebro, explicó Hersam, la memoria y el procesamiento de información están ubicados en el mismo lugar y totalmente integrados, lo que resulta en una eficiencia energética mucho mayor. «Nuestro transistor sináptico logra una funcionalidad similar al imitar más fielmente al cerebro».
Explorando nuevos materiales para el transistor
Para lograrlo, el equipo exploró la física de los patrones moiré, un tipo de diseño geométrico que surge cuando dos patrones se superponen en capas. Combinaron dos tipos diferentes de materiales atómicamente finos: grafeno bicapa y nitruro de boro hexagonal.
Propiedades electrónicas sin precedentes
Cuando se apilan materiales bidimensionales como el grafeno, surgen nuevas propiedades que no existen en una sola capa. Al retorcer estas capas para formar el efecto moiré es posible sintonizar las propiedades electrónicas sin precedentes. Así, al girar una capa con respecto a la otra, los investigadores lograron propiedades electrónicas diferentes en cada capa del grafeno aunque solo estuvieran separadas por dimensiones a escala atómica.
Aprendizaje asociativo y reconocimiento de patrones
«Con la torsión como nuevo parámetro de diseño, el número de permutaciones es enorme», afirmó Hersam. «El grafeno y el nitruro de boro hexagonal son muy similares estructuralmente, pero lo suficientemente diferentes como para obtener efectos moiré excepcionalmente potentes», añadió. Para probar el transistor, el equipo lo entrenó para reconocer patrones similares pero no idénticos. Primero mostraron al dispositivo el patrón 000 y luego le pidieron a la IA que identificara patrones similares como 111 o 101. «Si lo entrenamos para detectar 000 y luego le damos 111 y 101, sabe que 111 es más parecido a 000 que 101», subrayó Hersam. Reconocer esa similitud es una forma superior de cognición conocida como aprendizaje asociativo.
